1. 人工智能的时代发展
2. 人工智能的应用场景
3. 机器学习流程与本质
4. 机器学习与深度学习
5. 回归、分类、聚类、降维

1. Python基础语法
2. 科学计算模块Numpy
3. 数据处理分析模块Pandas
4. 数据可视化模块

1. 一元函数微分学
2. 线性代数基础
3. 多元函数微分学
4. 线性代数高级
5. 概率论
6. 最优化

1. 多元线性回归
2. 推导MSE损失函数
3. 开发环境安装与配置
4. 梯度下降法
5. 代码实战三种梯度下降

1. 归一化
2. 正则化
3. Lasso回归_Ridge回归
4. 多项式回归
5. 实战保险花销预测

1. 逻辑回归
2. 推导交叉熵损失函数
3. 绘制逻辑回归损失函数
4. Softmax回归
5. 实战音乐分类器

1. SVM支持向量机算法
2. 软间隔、硬间隔、非线性SVM
3. SMO优化算法
4. 合页损失函数
5. One-vs-Rest和One-vs-One做多分类

1. KMeans聚类算法
2. EM最大期望算法
3. GMM高斯混合模型
4. PCA降维算法
5. SVD奇异值分解

1. 决策树算法
2. Bagging与Boosting思想
3. 随机森林算法
4. AdaBoost算法
5. GBDT算法

1. XGBoost算法
2. 推导出XGBoost的目标函数
3. 实战XGBoost模型训练与交叉验证调参
4. 药店销量预测案例
5. 网页分类案例
6. 评估指标混淆矩阵、ROC曲线、AUC指标

1. Spark计算框架基础
2. 掌握shuffle原理
3. Spark计算框架深入
4. 掌握DAG优化原理
5. Spark机器学习MLlib
6. 实战股票预测

1. 推荐系统流程与架构
2. 隐式用户反馈
3. 协同过滤算法
4. HQL语句数据预处理
5. Spark MLlib模型训练评估
6. 推荐系统模型上线使用

1. 贝叶斯分类
2. HMM隐含马尔可夫模型
3. Viterbi维特比算法
4. NLP序列标注任务和主要方法
5. CRF条件随机场算法

1. 神经网络算法
2. TensorFlow的GPU版本的安装配置
3. TensorFlow实现多元线性回归算法
4. TensorFlow实现Softmax回归分类
5. TensorFlow实现DNN分类MNIST手写数字识别

1. 反向传播推导
2. 梯度消失和梯度爆炸
3. Python代码实现神经网络算法
4. Dropout防止过拟合
5. Image Argument数据增强
6. Xavier和he参数初始化
7. BatchNormalization

1. 感受野
2. 图片卷积的计算
3. 权值共享
4. 池化
5. 经典的CNN卷积神经网络架构
6. 连续使用小的卷积核好处
7. 1*1卷积核的作用和好处

1. VGG16
2. InceptionV3
3. Resnet残差网络
4. DenseNet
5. Mobilenet

1. OpenCV工具进行目标检测
2. IoU以及python代码实现
3. NMS非极大值抑制和python代码实现
4. ROI Pooling空间金字塔池化
5. RPN网络
6. FasterRCNN论文详解

1. Yolo算法原理及损失函数
2. yoloV3代码实现
3. Darknet工具
4. 上采样的作用和实现
5. 转置卷积
6. 双线性插值
7. ROI Align
8. FPN特征金字塔网络

1. 车牌识别项目
2. 自然场景下的目标检测
3. 图片标注工具使用
4. 口罩配戴检测项目
5. GAN对抗生成网络
6. 图像风格迁移项目

1. MTCNN论文详解
2. FaceNet论文详解
3. Triple loss三元组损失
4. 人脸识别项目

1. FCN全卷积网络
2. U-Net语义分割网络
3. 医疗图像语义分割项目
4. MaskRCNN论文详解
5. 蒙版弹幕实例分割项目

1. CBOW模型和分层Softmax
2. Skip-gram模型和负采样
3. 词向量模型代码实现
4. RNN循环神经网络
5. LSTM长短时记忆
6. 双向LSTM

1. 情感分析项目
2. AI写唐诗项目
3. MultiRNNCell
4. NER命名实体识别项目
5. BiLSTM+CRF架构

1. Seq2Seq模型
2. Attention注意力机制
3. Self-Attention
4. Multi-head
5. Transformer

1. ELMO
2. BERT
3. BERT新闻分类项目
4. ERNIE和GPT
5. GPT2训练闲聊机器人